4 Pandas 数据结构之生成DataFrame

目录

用 列表 生成 Dataframe

用 多维数组字典 生成 Dataframe

用 Series字典 生成 Dataframe

用 列表字典 生成 Dataframe

用 元组字典 生成 Dataframe

Dataframe 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。

Dataframe 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

Dataframe 构造方法如下：

pandas.Dataframe( data, index, columns, dtype, copy)

参数说明：

data：一组数据(ndarray、series, map, lists, dict 等类型)。

index：索引值，或者可以称为行标签。

columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。

dtype：数据类型。

copy：拷贝数据，默认为 False。

用 列表 生成 Dataframe

import pandas as pd
data = [['Google', 10], ['Runoob', 12], ['Wiki', 13]]
df = pd.Dataframe(data, columns=['Site', 'Age'], dtype=float)
print(df)

用 多维数组字典 生成 Dataframe

多维数组的长度必须相同。如果传递了索引参数，index 的长度必须与数组一致。如果没有传递索引参数，生成的结果是 range(n)，n 为数组长度。

import pandas as pd
data = {'Site': ['Google', 'Runoob', 'Wiki'], 'Age': [10, 12, 13]}
df = pd.Dataframe(data)
print(df)

 

用 Series字典 生成 Dataframe

import pandas as pd

data = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
        'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df = pd.Dataframe(data)
print(df)

用 列表字典 生成 Dataframe

import pandas as pd
data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
df = pd.Dataframe(data)
print(df)

 

用 元组字典 生成 Dataframe

元组字典可以自动创建多层索引 Dataframe。

import pandas as pd

df = pd.Dataframe({('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2},
                   ('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4},
                   ('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6},
                   ('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8},
                   ('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}})
print(df)

 

缺失数据：Dataframe 里的缺失值用 np.nan 表示。